配电网边缘侧异常数据检测方法及装置与流程

摘要: 本发明涉及配电网,具体地涉及一种配电网边缘侧异常数据检测方法、一种配电网边缘侧异常数据检测装置、一种机器可读存储介质及一种电子设备。背景技术:1、随着分布式能源...
配电网边缘侧异常数据检测方法及装置与流程

本发明涉及配电网,具体地涉及一种配电网边缘侧异常数据检测方法、一种配电网边缘侧异常数据检测装置、一种机器可读存储介质及一种电子设备。

背景技术:

1、随着分布式能源(光伏、风电、储能)、电动汽车充电桩等新型负荷大规模接入配电网,配电网边缘侧运行状态呈现出强时变、高波动、非线性的显著特征,同时配电网常因开关投切、线路检修、设备运维等操作,出现拓扑动态变化,导致边缘侧多源量测数据(电压、电流、功率、分布式能源出力等)易出现噪声、缺失、趋势异常等问题,严重影响配电网状态感知、故障预警的准确性。

2、目前,配电网边缘侧异常数据感知通常是采用通用异常检测算法,即边缘终端采集多源量测数据后,对配电网边缘侧数据进行异常筛选,通过固定阈值或简单时序算法识别异常数据。这种方法未考虑配电网拓扑变化的影响,可能会将拓扑变化导致的正常数据波动(如电压、电流的合理变化)误判为异常,影响后续状态估计和故障预警的准确性。

3、因此,现有的配电网边缘侧异常数据检测方法存在检测不够准确的问题。

技术实现思路

1、本发明实施例的目的是提供一种配电网边缘侧异常数据检测方法、一种配电网边缘侧异常数据检测装置、一种机器可读存储介质及一种电子设备,该方法有效提高了边缘侧异常数据检测的准确性和可靠性。

2、为了实现上述目的,本技术第一方面提供一种配电网边缘侧异常数据检测方法,包括:

3、获取开关状态数据和拓扑检测数据集,所述开关状态数据为配电网所有开关设备的投切状态数据,所述拓扑检测数据集包括各个开关设备关联区域的电气数据;

4、基于所述开关状态数据,对所述配电网的拓扑变化进行检测,得到拓扑事件检测结果;

5、基于所述拓扑事件检测结果和所述拓扑检测数据集,对所述配电网在拓扑变化后的运行工况进行识别,得到工况识别结果;

6、基于所述拓扑事件检测结果和所述工况识别结果,得到所述配电网的拓扑状态;

7、基于所述配电网的拓扑状态,采用对应的检测模型对所述配电网的边缘侧量测数据进行异常数据检测,得到异常检测结果。

8、在本技术实施例中,所述基于所述开关状态数据,对所述配电网的拓扑变化进行检测,得到拓扑事件检测结果,包括:

9、基于所述开关状态数据,确定得到所述开关设备在相邻采样时刻的开关状态差值;

10、基于所述开关状态差值,判断所述配电网的开关状态是否发生突变,得到拓扑事件检测结果。

11、在本技术实施例中,所述基于所述开关状态差值,判断所述配电网的开关状态是否发生突变,得到拓扑事件检测结果,包括:

12、基于所述开关状态差值,判断所述配电网的开关状态是否发生突变;

13、在确定所述配电网的开关状态发生突变的情况下,基于所述拓扑检测数据集,确定开关设备在发生突变前后对应关联区域的电气参数变化,得到开关电气参数变化值;

14、基于所述开关电气参数变化值,得到拓扑事件检测结果。

15、在本技术实施例中,还包括:

16、基于所述开关状态数据,确定出状态突变的开关设备对应的开关状态变化数据;

17、基于所述拓扑检测数据集,确定出所述状态突变的开关设备的电气参数变化数据;

18、基于所述状态突变的开关设备的开关状态变化数据和电气参数变化数据,识别得到拓扑事件类型。

19、在本技术实施例中,所述基于所述拓扑事件检测结果和所述拓扑检测数据集,对所述配电网在拓扑变化后的运行工况进行识别,得到工况识别结果,包括:

20、基于所述拓扑事件检测结果,在所述拓扑检测数据集中确定出拓扑变化后的电气参数;

21、基于所述拓扑变化后的电气参数,确定出负荷率和分布式能源出力波动率;

22、基于所述负荷率和所述分布式能源出力波动率,得到工况识别结果。

23、在本技术实施例中,所述基于所述配电网的拓扑状态,采用对应的检测模型对所述配电网的边缘侧量测数据进行异常数据检测,得到异常检测结果,包括:

24、当所述配电网的拓扑状态为拓扑稳定状态时,采用第一异常数据检测模型对所述配电网的边缘侧量测数据进行异常数据检测,得到异常检测结果;

25、当所述配电网的拓扑状态为拓扑变化中状态时,采用第二异常数据检测模型对所述配电网的边缘侧量测数据进行异常数据检测,得到异常检测结果;

26、当所述配电网的拓扑状态为拓扑变化后状态时,采用第三异常数据检测模型对所述配电网的边缘侧量测数据进行异常数据检测,得到异常检测结果。

27、在本技术实施例中,所述第一异常数据检测模型包括第一lstm模型;

28、所述采用第一异常数据检测模型对所述配电网的边缘侧量测数据进行异常数据检测,得到异常检测结果,包括:

29、将所述配电网的边缘侧量测数据输入至所述第一lstm模型,得到第一模型预测数据;

30、基于所述第一模型预测数据和所述配电网的边缘侧量测数据,得到第一预测误差;

31、基于所述第一预测误差,得到异常检测结果。

32、在本技术实施例中,所述采用第二异常数据检测模型对所述配电网的边缘侧量测数据进行异常数据检测,得到异常检测结果,包括:

33、采用cnn算法对所述配电网的边缘侧量测数据进行空间特征提取,得到空间特征;

34、采用lstm算法对所述配电网的边缘侧量测数据进行时间特征提取,得到时间特征;

35、将所述空间特征和所述时间特征进行融合,得到融合特征;

36、基于所述融合特征,得到特征误差;

37、基于所述特征误差,得到异常检测结果。

38、在本技术实施例中,所述第三异常数据检测模型包括第二lstm模型;

39、所述采用第三异常数据检测模型对所述配电网的边缘侧量测数据进行异常数据检测,得到异常检测结果,包括:

40、基于所述配电网的边缘侧量测数据和所述工况识别结果,得到模型输入数据;

41、将所述模型输入数据输入至所述第二lstm模型,得到第二模型预测数据;

42、基于所述第二模型预测数据和所述模型输入数据,得到第二预测误差;

43、基于所述第二预测误差,得到异常检测结果。

44、在本技术实施例中,还包括:

45、基于所述异常检测结果,确定得到异常数据类型;

46、在所述异常数据类型为缺失异常的情况下,基于所述工况识别结果,采用对应的填补策略计算出填补值;

47、基于所述填补值,对所述配电网的边缘侧量测数据进行填补,得到填补后的量测数据。

48、在本技术实施例中,在所述工况识别结果为轻载工况的情况下,所述基于所述工况识别结果,采用对应的填补策略计算出填补值,包括:

49、基于所述异常检测结果,确定出缺失节点和缺失量;

50、基于所述缺失节点的历史数据和相邻节点的历史数据,计算所述缺失节点与所述相邻节点的历史数据关联系数,得到相关系数,所述相邻节点为与所述缺失节点相邻的有效节点;

51、基于所述缺失量、所述相关系数、所述缺失节点的历史数据和所述相邻节点的同期有效数据,得到填补值。

52、在本技术实施例中,在所述工况识别结果为重载工况的情况下,所述基于所述工况识别结果,采用对应的填补策略计算出填补值,包括:

53、基于所述异常检测结果,确定出缺失时段和缺失量;

54、从所述配电网的边缘侧量测数据中提取出第一有效数据和第二有效数据,所述第一有效数据为缺失时段前的多个有效数据,所述第二有效数据为所述缺失时段后的多个有效数据;

55、基于所述第一有效数据和所述第二有效数据,计算的得到趋势预测值;

56、基于电气约束对所述趋势预测值进行修正,得到填补值。

57、在本技术实施例中,在所述工况识别结果为分布式能源出力突变工况的情况下,所述基于所述工况识别结果,采用对应的填补策略计算出填补值,包括:

58、基于所述异常检测结果,确定出缺失时段;

59、基于所述缺失时段,确定出有效数据序列;

60、将所述有效数据序列和分布式能源出力数据输入至预设的缺失值预测模型,得到预测缺失值;

61、基于所述分布式能源出力突变工况下的分布式能源波动率,对所述预测缺失值进行修正,得到填补值。

62、在本技术实施例中,所述基于所述填补值,对所述配电网的边缘侧量测数据进行填补,得到填补后的量测数据,包括:

63、基于所述异常检测结果,确定出缺失节点;

64、基于所述缺失节点的相邻有效数据,对所述填补值进行校准,得到校准后的填补值;

65、基于所述校准后的填补值,对所述配电网的边缘侧量测数据进行填补,得到填补后的量测数据。

66、在本技术实施例中,还包括:

67、对所述填补后的量测数据进行校验,得到校验结果。

68、本技术第二方面提供一种配电网边缘侧异常数据检测装置,包括:

69、获取模块,用于获取开关状态数据和拓扑检测数据集,所述开关状态数据为配电网所有开关设备的投切状态数据,所述拓扑检测数据集包括各个开关设备关联区域的电气数据;

70、第一检测模块,用于基于所述开关状态数据,对所述配电网的拓扑变化进行检测,得到拓扑事件检测结果;

71、工况模块,用于基于所述拓扑事件检测结果和所述拓扑检测数据集,对所述配电网在拓扑变化后的运行工况进行识别,得到工况识别结果;

72、拓扑模块,用于基于所述拓扑事件检测结果和所述工况识别结果,得到所述配电网的拓扑状态;

73、第二检测模块,用于基于所述配电网的拓扑状态,采用对应的检测模型对所述配电网的边缘侧量测数据进行异常数据检测,得到异常检测结果。

74、在本技术实施例中,所述工况模块包括:

75、提取单元,用于基于所述拓扑事件检测结果,在所述拓扑检测数据集中确定出拓扑变化后的电气参数;

76、计算单元,用于基于所述拓扑变化后的电气参数,确定出负荷率和分布式能源出力波动率;

77、识别模块,用于基于所述负荷率和所述分布式能源出力波动率,得到工况识别结果。

78、在本技术实施例中,所述第二检测模块包括:

79、第一异常检测单元,用于当所述配电网的拓扑状态为拓扑稳定状态时,采用第一异常数据检测模型对所述配电网的边缘侧量测数据进行异常数据检测,得到异常检测结果;

80、第二异常检测单元,用于当所述配电网的拓扑状态为拓扑变化中状态时,采用第二异常数据检测模型对所述配电网的边缘侧量测数据进行异常数据检测,得到异常检测结果;

81、第三异常检测单元,用于当所述配电网的拓扑状态为拓扑变化后状态时,采用第三异常数据检测模型对所述配电网的边缘侧量测数据进行异常数据检测,得到异常检测结果。

82、本技术第三方面提供一种电子设备,该电子设备包括:

83、至少一个处理器;

84、存储器,与所述至少一个处理器连接;

85、其中,所述存储器存储有能被所述至少一个处理器执行的指令,所述至少一个处理器通过执行所述存储器存储的指令实现上述的配电网边缘侧异常数据检测方法。

86、本技术第四方面提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令在被处理器执行时使得所述处理器被配置成执行上述的配电网边缘侧异常数据检测方法。

87、通过上述技术方案,通过获取开关状态数据和拓扑检测数据集,基于开关状态数据对配电网的拓扑变化进行检测,并结合拓扑检测数据集对拓扑变化后的运行工况进行识别,从而准确获得配电网当前的拓扑状态;在此基础上,根据配电网的拓扑状态动态选用对应的异常数据检测模型对边缘侧量测数据进行异常检测。使得异常数据感知策略能够随配电网拓扑变化自动调整,避免了传统固定阈值或简单时序算法在拓扑变化场景下将电压、电流等正常数据波动误判为异常的问题,有效提高了边缘侧异常数据检测的准确性和可靠性,有助于提高后续状态估计和故障预警的准确性。

88、本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。